基于重參數(shù)化網(wǎng)絡(luò)和共享卷積的輕量化YOLOV8n-Pose人體姿態(tài)估計(jì)算法

打開(kāi)文本圖片集

摘要：針對(duì)實(shí)時(shí)人體姿態(tài)估計(jì)模型計(jì)算復(fù)雜度大、效率低的問(wèn)題，文章以YOLOv8n-Pose模型為基準(zhǔn)，提出了一種結(jié)合重參數(shù)化網(wǎng)絡(luò)和共享卷積的輕量化人體姿態(tài)估計(jì)算法。首先，引入MLCA注意力機(jī)制，改進(jìn)C2f模塊中的Bottleneck結(jié)構(gòu)，提升骨干網(wǎng)絡(luò)對(duì)人體關(guān)鍵點(diǎn)的特征提取能力。其次，將原有的PANet特征融合網(wǎng)絡(luò)替換為重參數(shù)化網(wǎng)絡(luò)RepGFPN，實(shí)現(xiàn)更高效的多尺度特征融合。（剩余8150字）